我們一般稱06年是現代深度學習發展的元年，在這之後，基於GPU算力和網際網路影象樣本收集的突破，尤其是2012年ImageNet影象識別大賽中，深度學習網路模型Alexnet效能碾壓第二名，錯誤率低11%個點，再到17年阿爾法狗以3:0戰勝排名世界第一的世界圍棋冠軍柯潔，讓研究者和大眾再一次震撼深度學習的威力，資本市場也開始追逐人工智慧大浪。

但AI具體應用場景落地，比如工業領域基於AI質量檢測等，如何獲取有效資料，並實施精準標註，是最大痛點。首先資料採集有一定的行業及技術門檻，相對於人類大腦70%的資訊來自眼睛，基於AI質量檢測系統的大腦100%的資訊來自“眼睛”—科學成像技術，像手機等電子消費品，產品釋出前有嚴格的保密性，資料採集必須得到授權且資料不能帶出保密車間。其次，資料樣本精準標註是深度學習落地不可或缺，甚至是AI落地流程中工作量最大的一個步驟，也由此促生了一批新的公司—人工智慧資料標註公司，及職業崗位—資料標註員。

資料精準標註，是一個極其繁瑣且至關重要的工作，人工標準質量難保障，錯標漏標甚至會有安全隱患——自動駕駛應用場景障礙物漏標錯標極易引起交通事故，人工標註效率低——無法按時交付等問題，基於此痛點，促生了智慧標註平臺——智慧標註、智慧稽核。

創業英雄匯2021.01.01期，其中一個專案就是智慧化輔助標註工具，在投資人紛紛表達了技術壁壘不高、很多大公司都已經在做了等等評判後，最後與麥騰創投俞江虹俞總以300萬達成融資合作，最後俞總也說明了自己選擇投資的重點——欣賞團隊、智慧標註細分領域方向沒問題。

除了這個專案，創業英雄匯其他期節目裡也有多個基於AI的創業專案，基本都順利融資，不得不感嘆人工智慧概念的火爆，在風口上創業者眾多，在資本市場也更容易融資成功，自己一點點總結，投資者選擇投資專案重點考量：技術壁壘+應用場景市場容量+團隊履歷。當然，創業英雄匯中的專案最終是否真的達成合作不得而知了。